Большинство разговоров про ИИ в бизнесе пока заканчиваются примерно одинаково: написать письмо, пересказать документ, сделать картинку или проанализировать Excel.
Но нам было интереснее проверить другой сценарий: что произойдет, если дать ИИ доступ не к выгрузке, а непосредственно к учетной системе компании? Чтобы он сам посмотрел продажи. Проверил остатки. Нашел должников. Создал заказ поставщику. Заполнил карточки товаров. А при необходимости разобрался, кто вчера поменял цены и насколько. Для этого мы подключили МойСклад к ИИ-ассистентам через MCP и начали давать им обычные задачи предпринимателя.
Материал написан на основе интервью с Юрием Кая, основателем компании SOLOpreneur
Рассказываем, что получилось.
Сначала — зачем здесь вообще MCP
Можно выгрузить Excel, загрузить его в чат и попросить провести анализ. Но через несколько часов данные уже могут устареть.
MCP (Model Context Protocol) позволяет сделать иначе. Это стандарт, через который ИИ получает доступ к внешним системам и их инструментам.
В нашем случае ассистент получает возможность обращаться непосредственно к данным МоегоСклада.
Получается примерно такая схема:
Человек → ChatGPT / Claude → MCP → МойСклад
Причем взаимодействие идет в обе стороны.
ИИ может не только спросить систему: «Сколько сейчас осталось товара X?», но и выполнить действие: создать контрагента, изменить карточку товара или подготовить документ.
Сейчас через MCP-сервер доступно около 340 операций.
Но нас интересовало не количество методов API, а более практический вопрос: Какую работу предпринимателя уже сегодня можно переложить на ИИ?
Кейс №1. 30 новых товаров и несколько часов ручной работы
Представим обычную поставку.
Пришло 30 новых позиций. В учетной системе есть названия товаров, но нормальных карточек еще нет.
Для каждой нужно найти характеристики, создать описание, добавить артикул, фотографии и определить категорию.
Обычно это довольно унылый конвейер.
Мы дали ИИ задачу:
Возьми товары из последней приемки без описания. Для каждого найди в интернете описание и фотографии, напиши текст на 300–400 знаков своими словами, заполни артикул и характеристики, загрузи по три фото и разложи товары по категориям каталога.
Дальше начинается интересное.
Ассистент сначала получает список товаров из МоегоСклада, затем ищет информацию, формирует описания и записывает результат обратно в карточки.
То есть человеку не нужно делать цепочку:
МойСклад → Google → сайт производителя → сохранить картинку → написать текст → снова МойСклад.
Все это превращается в один запрос.
Есть нюанс: полностью отпускать ИИ здесь нельзя.
Описание лучше проверить, а найденные фотографии — проверить с точки зрения прав на их использование. Поэтому разумный сценарий сейчас выглядит не как «ИИ полностью заменил контент-менеджера», а как:
ИИ сделал 90% механической работы → человек проверил результат.
И это, пожалуй, один из главных выводов нашего эксперимента.
Кейс №2. Контрагент из фотографии в Telegram
Еще одна совершенно обычная ситуация.
Клиент присылает менеджеру карточку предприятия. Иногда PDF. Иногда скан. Иногда фотографию документа в мессенджере.
Менеджер открывает МойСклад и начинает переносить:
— название;
— ИНН;
— КПП;
— ОГРН;
— адрес;
— расчетный счет;
— БИК;
— телефон;
— почту.
Мы просто отправили файл ассистенту и написали:
Вот реквизиты клиента. Проверь, есть ли такой контрагент в МоемСкладе. Если нет — заведи его. Если каких-то реквизитов не хватает — перечисли их. В конце пришли ссылку на карточку.
Здесь ИИ оказался полезен еще в одном месте, о котором мы первоначально даже не думали.
Перед созданием записи он может проверить базу на дубли.
Если компания уже существует, вместо второго ООО «Ромашка» ассистент найдет первое и предложит дополнить его данные.
В итоге сценарий «открыть документ → перепечатать реквизиты → проверить → сохранить» превращается практически в одну команду.
Кейс №3. Утром открываешь Telegram — там уже отчет по бизнесу
Этот эксперимент оказался одним из самых показательных.
Учетные системы накопили огромное количество отчетов. Но владельцу небольшого бизнеса часто нужен не отчет.
Ему нужен ответ.
Например:
Сколько мы вчера заработали?
Продажи растут или падают?
Что заканчивается?
Кто нам должен деньги?
Мы настроили ежедневную задачу:
Каждый день в 20:00 собирай выручку и прибыль за день, сравни со вчерашним днем и этим же днем прошлой недели, покажи пять самых прибыльных товаров, неотгруженные заказы и клиентов с долгом больше 50 000 рублей.
Ассистент самостоятельно получает актуальные показатели и собирает короткую сводку. Если подключить Telegram, ее можно получать прямо в мессенджер. Получается довольно заметное изменение интерфейса управления бизнесом.
Раньше человек заходил в программу и искал нужные данные. Теперь данные сами приходят к человеку.
А запрос можно менять хоть каждый день:
Добавь остаток денег.
или:
Показывай только клиентов с просрочкой больше недели.
Для этого не нужно переделывать дашборд или просить разработчика добавить новый отчет.
Кейс №4. ИИ сам посчитал, что пора заказать поставщику
Закупки — интереснее.
Здесь ИИ уже не просто показывает информацию, а помогает принять операционные решения.
Даем команду:
Посмотри продажи за последние 30 дней и остатки на основном складе. Найди позиции, которых хватит меньше чем на две недели, и подготовь заказ поставщику с запасом на месяц. Сгруппируй товары по поставщикам.
Чтобы выполнить запрос, ассистенту приходится сопоставить сразу несколько типов данных:
продажи → скорость расходования товара → текущий остаток → поставщик → необходимое количество.
После расчета он может создать черновик заказа поставщику.
И здесь мы специально оставляем человека в цепочке.
ИИ не отправляет заказ самостоятельно.
Менеджер или собственник открывает документ, смотрит количество и только после этого оформляет поставку.
Кейс №5. Найти деньги, которые вам должны
Еще один запрос:
Покажи клиентов с долгом больше 30 000 рублей и просрочкой больше десяти дней. По каждому покажи сумму, номер счета и дату отгрузки. Напиши вежливое напоминание об оплате.
На выходе получаем не просто отчет по дебиторке, а практически готовый список действий менеджера:
ООО «Альфа» — 87 000 ₽ — просрочка 14 дней → вот сообщение клиенту.
ООО «Бета» — 54 000 ₽ — просрочка 19 дней → вот сообщение клиенту.
Само сообщение можно отправлять уже через соответствующий канал коммуникации.
То есть ИИ постепенно начинает связывать данные и действие.
Кейс №6. «Кто поменял цену?»
Есть категория вопросов, которые появляются только тогда, когда что-то уже пошло не так.
Например:
Почему этот товар теперь стоит 7 990 вместо 6 990?
Или:
Куда делся документ?
В системе есть журнал аудита. Но когда операций тысячи, человеку приходится искать нужное изменение.
ИИ можно попросить:
Кто менял цены на товары категории «Инструмент» за последнюю неделю? Покажи старую и новую цену. Отдельно проверь удаленные документы.
Ассистент анализирует события и вместо списка технических записей возвращает понятный ответ.
Это интересный пример того, как LLM работает не вместо базы данных, а как человеческий интерфейс поверх нее.
Кейс №7. «Подними цены на 7%, но не на всё»
Наконец, мы попробовали сценарий массового изменения данных:
Подними цены в категории «Аксессуары» на 7%, кроме товаров, которых осталось меньше трех штук.
Технически ИИ способен это сделать.
Но именно здесь хорошо становится видна граница между «можно» и «стоит».
Ошибиться в аналитическом запросе неприятно. Ошибиться при изменении сотен цен — уже дорого.
Поэтому для подобных операций мы используем другой принцип: сначала ассистент показывает, что именно собирается изменить, затем пользователь подтверждает действие.
А наиболее критичные операции вроде удаления должны требовать отдельного подтверждения.
И что в итоге изменилось?
После этих экспериментов мы поняли одну вещь.
Самое интересное в подключении LLM к бизнес-системам — вовсе не возможность задавать вопросы человеческим языком.
Это только первый уровень. На втором уровне ИИ начинает собирать информацию из нескольких источников:
продажи + остатки + деньги + документы.
На третьем — готовит действие:
создать заказ, заполнить товар, завести клиента.
А дальше появляется следующий сценарий:
делать это самостоятельно по расписанию или событию.
Условно:
Каждое утро проверяй остатки. Если товара осталось меньше чем на семь дней продаж — подготовь заказ.
Или:
Каждый вечер найди просроченные платежи и подготовь менеджеру список клиентов.
Или:
Раз в неделю делай ABC-анализ и сообщай, какие товары перешли из группы A в B.
Тогда учетная система постепенно перестает быть местом, куда человек постоянно ходит за информацией.
Она становится источником данных и действий для ассистента.
А не страшно давать ИИ доступ к бизнесу?
Это был второй вопрос, который возник у нас почти сразу после «вау, оно работает».
Потому что одно дело — разрешить нейросети посмотреть продажи. Другое — разрешить ей менять цены или удалять документы. Поэтому доступ можно ограничивать.
Например, сотруднику можно дать отдельное подключение, которое умеет только читать данные и строить отчеты, но не изменять их.
Можно отдельно разрешить создание документов, оставив удаление недоступным. А потенциально необратимые действия требуют подтверждения.
Мы бы вообще рекомендовали внедрять такие вещи постепенно:
сначала чтение → затем аналитика → затем создание черновиков → и только потом изменение данных.
Что пока не стоит полностью отдавать ИИ
После экспериментов у нас получился довольно простой список.
ИИ отлично справляется там, где нужно много искать, сопоставлять, переносить и считать.
Но человеку пока лучше оставлять:
— проверку информации, найденной в интернете;
— финансово значимые решения;
— массовое изменение данных;
— необратимые операции;
— нестандартные ситуации, где цена ошибки высока.
Поэтому наиболее реалистичная модель сегодня — не «автономный ИИ управляет компанией».
Скорее:
ИИ выполняет роль очень быстрого операционного помощника, который имеет доступ к данным и умеет пользоваться инструментами бизнеса.
И это уже довольно большая перемена.
Можно попробовать на собственном аккаунте
Мы сделали MCP-сервер для МоегоСклада, который можно подключить к ChatGPT, Claude и другим клиентам с поддержкой MCP.
Подключение занимает около десяти минут. После этого вместо изучения документации проще начать с вопроса:
Сколько товаров сейчас в моем МоемСкладе?
Если ассистент ответил актуальной цифрой — связь работает.
Дальше можно попробовать:
Какие товары принесли больше всего прибыли в этом месяце?
А потом:
Какие из них скоро закончатся?
И вот в этот момент становится понятно, зачем вообще давать языковой модели доступ к учетной системе.
Не для того, чтобы она еще лучше разговаривала. А для того, чтобы она наконец начала что-то делать.
Попробовать ИИ для учетной системы
Мы ведем блог для малого бизнеса. Рассказываем новости для предпринимателей, ошибки и лайфхаки в учете, инструменты продвижения, обновления сервиса МойСклад.
Автор: PaskalEnotov
